基于梯度的重叠式层次社区检测

社区检测(community detection)任务一直是数据挖掘领域的一个研究热点,近年来,深度学习和图链接数据呈现出多样化和复杂化的发展趋势,层次(Hierarchical)社区检测逐渐成为研究的焦点.层次社区检测任务的目标是,在将同质图中相似的节点聚集到社区中的同时,学习社区之间的层次结构关系,以更好的理解图数据结构.社区间层次关系的引入给社区检测算法带来了更复杂的建模挑战.针对该任务,已经有一些有效的启发式的方法被提出,但是受限于社区分布形态的简单假设和离散的优化学习方式,它们无法描述更复杂的图链路数据,也无法和其它有效的连续优化算法组合获得更好的结果.为了解决这个问题,本文首次尝试建模复杂的重叠式(overlapping)层次社区结构,提出简洁的节点嵌入和社区检测双任务优化模型,通过梯度更新的方式来灵活地探索节点和重叠式层次社区的隶属关系.在学习过程中,我们可以分别获得节点和社区的嵌入表示,以应用于丰富的下游任务.     

通用深度学习语言模型的隐私风险评估

近年来,自然语言处理领域涌现出多种基于Transformer网络结构的通用深度学习语言模型,简称“通用语言模型(general-purpose language models,GPLMs)”,包括Google提出的BERT(bidirectional encoder representation from transformers)模型等,已在多个标准数据集和多项重要自然语言处理任务上刷新了最优基线指标,并已逐渐在商业场景中得到应用.尽管其具有很好的泛用性和性能表现,在实际部署场景中,通用语言模型的安全性却鲜为研究者所重视.近年有研究工作指出,如果攻击者利用中间人攻击或作为半诚实(honest-but-curious)服务提供方截获用户输入文本经由通用语言模型计算产生的文本特征,它将以较高的准确度推测原始文本中是否包含特定敏感词.然而,该工作仅采用了特定敏感词存在与否这一单一敏感信息窃取任务,依赖一些较为严格的攻击假设,且未涉及除英语外其他语种的使用场景.为解决上述问题,提出1条针对通用文本特征的隐私窃取链,从更多维度评估通用语言模型使用中潜在的隐私风险.实验结果表明:仅根据通用语言模型提取出的文本表征,攻击者能以近100%的准确度推断其模型来源,以超70%的准确度推断其原始文本长度,最终推断出最有可能出现的敏感词列表,以重建原始文本的敏感语义.此外,额外针对3种典型的中文预训练通用语言模型开展了相应的隐私窃取风险评估,评估结果表明中文通用语言模型同样存在着不可忽视的隐私风险.     

基于LSTM的POI个性化推荐框架

近年来,随着基于位置的社会网络（Location-Based Social Network,LBSN）热度的不断增加,为用户推荐下一个POI （Point-Of-Interests）也显得越来越重要.而对应的各种应用搜集到的用户的行为时间、地理、好友以及标签等信息的增多,使得POI推荐变得更加容易.目前针对POI推荐,已经有部分算法提出,但是他们受限于自身的局限性,还都不能很好的解决这个问题,例如,个性化马尔科夫链（Factorizing Personalized Markov Chain,FPMC）、张量分解（Tensor Factorization,TF）、RNN （Recurrent Neural Networks）等.但是,这些模型由于其本身缺陷,都不能完美的糅合POI场景中的所有信息.在这篇文章中,我们扩展了长短时记忆循环神经网络（Long-ShorT Memory recurrent neural networks,LSTM）,提出一种全新的推荐框架POI-LSTM来解决POI推荐问题.POI-LSTM借鉴Embedding的思想,对用户信息、好友关系、POI信息和评论信息进行向量化后,输入到神经网络中,同时利用LSTM捕捉用户的兴趣特征和兴趣的变化趋势,最终能够在不同的输入层拟合社交网络信息和语义信息,同时利用用户历史行为的时间和地理位置信息来为用户推荐下一个兴趣点.     

基于品类聚类的关联规则优化算法

提出了一种基于品类聚类的关联规则优化算法.该算法首先根据文中定义的品类特征向量,用结构化的数据来表示事务;然后根据一种基于密度的聚类算法,对结构化的数据进行聚类,同时将对应的原始事务进行聚类;最后根据聚类后得到的类的长度以及用户指定的最小支持度,确定类内的最小支持度,在类内挖掘关联规则.实验结果表明,与传统算法相比,该算法效率较高,具有一定的实用价值.     

近地端水平冲击作用下RC桥墩的动力响应试验研究

为了研究钢筋混凝土（RC）桥墩在近地端水平冲击作用下的动力响应,采用水平撞击试验设备,对3根圆形截面RC桥墩进行了试验研究。本试验以撞击速度为研究变量,得到了桥墩的撞击力时程曲线、位移时程曲线、变形曲线和最终损伤状态。试验结果表明：桥墩在1.70 m/s、2.68 m/s和3.32 m/s三种撞击速度下呈现出轻微损伤、中等损伤和严重损伤三种破坏形态,桥墩的破坏模式为撞击部位与墩底之间的局部剪切破坏,撞击速度对桥墩冲击动力响应和破坏机制有显著影响。本试验可以为车辆撞击桥墩问题的有限元数值模拟提供数据支撑。     

移动银行系统架构的设计

随着3G时代的到来,做为运营商和传统银行合作的产物移动银行,已经成为当今互联网领域灸手可热的话题之一。对移动银行系统架构（包括网络架构和软件架构）进行了设计和分析,从多方面考虑人们日益关注的有关移动银行的交易安全问题,并提出了多种措施来防范交易风险。     

基于元学习的响应式推荐系统

在信息时代,面对浩繁的信息,用户急需高效的推荐系统为他们选择最感兴趣的内容.我们面临的一个重要问题是用户的兴趣会随时间发生变化并且不断有新用户使用系统.因此,一个好的推荐系统需要根据用户最新的少量交互信息及时响应用户兴趣的变化和快速捕捉到新用户的兴趣以更好地满足用户的需求.但是,根据我们的调研,现有的推荐系统方法还没有很好地满足响应性(responsiveness)的需求.为了解决这个问题,我们提出了一套基于元学习(Meta Learning)的响应式推荐系统设计.该方法能够及时响应用户最新的交互信息,同时提高对老用户和新用户的推荐质量.总的来说,我们利用元学习从大量历史交互信息中挖掘出先验知识,使得模型仅仅通过少量新的交互信息快速地学习出用户兴趣,从而满足响应性的需求.我们在MovieLens和Nertflix两个推荐系统中常用的公开数据集上验证了我们方法的有效性.     

互关联后继树模型及其实现

全文检索是文本数据库研究的核心，而全文检索的首要问题是全文检索模型的选择。本文介绍了一种新颖的全文检索模型——互关联后继树模型及其实现，并将该模型与传统的倒排表模型进行了比较，发现它在各方面的性能均优于倒排表模型。     

基于活动的社交网络中的群组推荐算法设计

在基于活动的社交网络（EBSN）中,群组中聚集了具有相似兴趣的用户,并为用户组织并举办线下活动,在社区的发展中起到了至关重要的作用,因而理解用户加入群组的原因和群组形成的过程在社交网络的研究中是一个重要的议题.本文通过基于活动的社交网络中的一些相关内容信息,比如社交网络中的标签信息和地理位置信息,来辅助推荐系统更好地为用户预测对于群组的偏好.本文提出了SEGELER （pair-wiSE Geo-social Event-based LatEnt factoR）模型,并使用这些社交网络中的信息,来为用户的兴趣进行预测.通过在真实的EBSN数据集上进行实验与验证,本文的模型不仅可以有效提升对于用户偏好的预测,也可以缓解冷启动问题.     

一种适用于139.7mm井眼自带旁通的高温高压封隔器

在小井眼井中,常规的封隔器满足外径和通径尺寸后,径向壁厚较薄,很难提高强度和胶筒密封性能,不能满足高温高压作业需要.通过对常规封隔器施工过程中受力及变形分析,优化封隔器结构及材料,设计出适用于139.7 mm套管、耐温204℃、耐压105 MPa的自带同心旁通机构、自锁机构、三胶筒组合的胶筒结构、机械坐封、可双向封隔压...